Analisis Komperatif Algoritma Naïve bayes danSupport Vector Machine Dalam Klasifikasi Sentimen Publik Terhadap Edublox Solo Technopark

Penelitian ini bertujuan menganalisis sentimen publik terhadap program EDUBLOX berdasarkan komentar Instagram dengan membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM). Analisis sentimen dilakukan untuk mengetahui persepsi masyarakat serta menentukan algoritma yang memiliki performa klasifikasi yang lebih baik.Metode penelitian meliputi pengumpulan data, text preprocessing (case folding, cleaning, normalisasi, tokenisasi, stopword removal, dan stemming), pelabelan sentimen menggunakan pendekatan berbasis lexicon, ekstraksi fitur menggunakan TF-IDF, pelatihan model, dan evaluasi kinerja. Dataset dibagi menjadi data pelatihan dan pengujian dengan rasio 80:20.Evaluasi dilakukan menggunakan confusion matrix yang mencakup accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memperoleh akurasi sebesar 82,67%, lebih tinggi dibandingkan Naïve Bayes sebesar 76,77%. Nilai precision (84% berbanding 79%), recall (81% berbanding 75%), dan F1-score (82% berbanding 76%) SVM juga lebih baik dibandingkan Naive Bayes secara konsisten pada seluruh metrik evaluasi. Dengan demikian, algoritma SVM menunjukkan kemampuan klasifikasi sentimen yang lebih unggul dibandingkan Naïve Bayes pada penelitian ini.